9月6日、Sergio De Simoneが「Google Mantis: An Agentic Vulnerability Scanning Harness for Reducing False Positives」と題した記事を公開した。AIによるコードスキャンが広く普及する一方で、真陽性率が7%未満にとどまるという深刻な偽陽性問題が実務の障壁になっている。Googleはこの課題を解決するAIエージェントフレームワーク「Mantis」を開発し、オープンソースとして公開した。

偽陽性率7%未満という課題——既存ツールが抱える構造的問題

AIを使ったコードスキャンは近年急速に普及しているが、偽陽性（False Positive）の多さが実務上の大きな障壁になっている。Googleによれば、従来のAI駆動スキャンの真陽性率は7%未満にとどまることも多く、「幻の脆弱性」を大量に生成してしまう。元記事によればこの数字はGoogleが社内で複数のスキャナーを運用する中で観測したものだが、対象スキャナーや測定条件の詳細は元記事内で明示されていないため、あくまでGoogleの社内観測値として参照されたい。

こうした偽陽性の氾濫は、セキュリティエンジニアが「アラート疲れ」に陥り、本物の脆弱性を見逃すリスクを高める。CodeQLやSemgrepといった既存の静的解析ツールはルールベースの精度向上に取り組んできたが、コードの実行時文脈や動的なデータフローを追跡する点では限界があり、大規模リポジトリでの偽陽性抑制は依然として難題だ。Mantisはこのギャップを「エージェント型の文脈理解」と「サンドボックスでの実証」という二軸で埋めようとするアプローチをとっている。

※編集部の考察：CodeQLやSemgrep等との直接的な性能比較は元記事には記載されていない。Mantisの優位性はアーキテクチャ設計の思想面で語られており、定量的なベンチマーク比較を求める読者は今後の検証を待つ必要がある。

この課題に対処するために開発・公開されたのがMantisだ。脆弱性の特定・検証・再現・修正までのライフサイクル全体を自動化するAIエージェントフレームワークで、GitHubでオープンソース公開されている。もともとはGoogleの社内セキュリティ施策の一環として開発されたものだ。

Mantisの設計思想：ブルートフォースではなく文脈理解

Mantisが従来ツールと異なる点は、ファイルを無差別にスキャンするのではなく、リポジトリの変更履歴・過去のセキュリティ修正・アーキテクチャ・脅威モデルを分析した上でスキャンを実施する点だ。

分析結果はディレクトリ・リポジトリレベルの文脈を持つ階層ツリーに要約され、これによってトークン使用量を85%削減しながら重要な構造情報を保持できるとしている。

エージェント構成は以下の役割で分担されている：

• Strategistエージェント：コードの高レベル構造、脅威モデル、依存グラフを評価
• Researchエージェント：内部コード検索を使ってソースファイルを深掘りし、データフロー・制御フロー・サニタイズロジックを追跡
• Criticエージェント / Reviewerエージェント：偽陽性をフィルタリングし、意味のある発見を優先度付け

さらに重要な機能がサンドボックス環境での脆弱性再現だ。LLMの判断だけに依存するのではなく、実際に安全な環境でクラッシュを再現することで、発見が本物の脆弱性であるというエビデンスを提供する。これは静的解析ツールが苦手とする「実際に悪用可能かどうか」の判断を自動化しようとする試みであり、Mantisが単なるスキャナーではなく「検証エージェント」として設計されていることを示している。

15以上のモジュール型スキルと賢いモデル選択

Mantisは15以上のツールからなるモジュール型のスキルスイートとして設計されており、mantis-summarize、mantis-review、mantis-criticなどを逐次または並列で実行できる。各ステージはディスク上の共有ステートを読み書きすることで連携する。

複数のAIモデルに対応しており、フェーズごとに異なるモデルを組み合わせる設計になっている点も特徴的だ。Googleは次のように推奨している：

パイプラインのスピードと効率を最大化するには、タスクに応じて適切なモデルクラスを戦略的に組み合わせるべきだ。すべてのステージで最重量の最先端モデルを使う必要はない。

具体的には、mantis-researcherによる高速分類やmantis-dedupeによるテキストパターンのクラスタリングなど、論理的な深さを必要としないタスクには「flashモデル」や「liteモデル」を推奨。一方、機能するクラッシュ再現コードを生成するmantis-reproduceや、副作用のない修正を生成するmantis-patchなど、深い文脈理解とゼロショット問題解決が必要なタスクには高性能モデルが適しているとしている。

このモデル選択の柔軟性は、コスト効率とスキャン精度のトレードオフを運用側がコントロールできるという意味で、エンタープライズ利用においても現実的な設計といえる。

偽陽性フィルタの使い方には注意が必要

偽陽性への対処として、mantis-reviewステージがルールベースのネガティブフィルタを適用する。ただしGoogleはこのフィルタの過剰適用を警告している。リスクの低い発見を自動的に偽陽性と分類してしまうと、本物の脆弱性を見逃すリスクが高まるためだ。

偽陽性を減らすために導入したフィルタが新たな見逃しを生む、というトレードオフはセキュリティツール全般に共通する課題だが、Mantisがこの警告を明示的にドキュメント化している点は、実運用上の信頼性を意識した設計姿勢として注目に値する。

全ステージの詳細な仕様やステージ間の契約（インターフェース定義）、ベストプラクティスはエージェントリファレンスガイドにまとめられている。

詳細はGoogle Mantis: An Agentic Vulnerability Scanning Harness for Reducing False Positivesを参照していただきたい。